OrionBelt Analytics MCP
MCP-сервер строит онтологию из схемы базы данных и проверяет SQL агента до запуска: PostgreSQL, Snowflake, ClickHouse и другие
- 58 ★ репозитория
- Последний коммит
Широкий доступ
Почему такой уровень
- Агент выполняет SQL в подключенной базе с вашими учетными данными
- Пароль базы лежит в файле .env рядом с сервером
Установка
- Работает в
В терминале, через SkillFoxx CLI
npx skillfoxx add mcp/orionbelt-analyticsОпределит агенты на машине, покажет уровень доступа и зафиксирует версию.
Другие способы установки
Доступ и проверки
Как мы проверяемШирокий доступИнструмент может менять данные, выполнять команды или работать с секретами.
- Агент выполняет SQL в подключенной базе с вашими учетными данными
- Пароль базы лежит в файле .env рядом с сервером
Это чужой код. Посмотрите файлы в репозитории перед установкой.
Что делает
OrionBelt Analytics анализирует схему базы данных и собирает по ней онтологию в формате RDF/OWL с привязкой классов к таблицам, колонкам и внешним ключам. Агент ищет нужные таблицы по смыслу вопроса, находит пути соединения и только потом пишет запрос. Поддерживаются восемь баз: PostgreSQL, MySQL, Snowflake, ClickHouse, Dremio, BigQuery, DuckDB с MotherDuck и Databricks SQL. Каждый запрос проходит проверку OBQC: она без вызова модели сверяет таблицы, колонки, условия соединения, типы и группировки с онтологией и ловит ловушки размножения строк при соединении. Ошибки блокируют запуск, предупреждения приходят вместе с результатом. Есть запросы SPARQL, графики Plotly и сохранение рабочего пространства между сессиями.
Для кого. Аналитикам данных, которые просят агента писать SQL к большим схемам и хотят видеть ошибки до выполнения запроса.
Подходит, если
- Схема хранилища содержит сотни таблиц с невнятными именами, и агент путается в соединениях
- Агрегация по нескольким связям «один ко многим» дает завышенные суммы, а причину не видно
- Нужна онтология базы в OWL с отображением на таблицы R2RML
- Вопросы приходят на другом языке, и поиск по схеме должен их понимать
Не подходит, если
- База маленькая, в ней десяток таблиц, и агент справляется с SQL без онтологии
- Нужна визуальная работа с метриками на готовом семантическом слое: для этого есть отдельный проект OrionBelt Semantic Layer
- Лицензия BUSL-1.1 не подходит для вашего сценария использования
Пример запроса к агенту
Подключись к базе, разбери схему sales, сгенерируй онтологию и посчитай выручку по месяцам с проверкой соединенийMCP
- Транспорт
- http
- Авторизация
- не нужна
Переменные окружения
POSTGRES_HOST- Адрес сервера PostgreSQL, одна из групп настроек баз в `.env`.
POSTGRES_PASSWORDсекрет- Пароль пользователя базы, остальные базы задаются своими переменными.
MCP_SERVER_PORT- Порт HTTP-сервера, по умолчанию 9000.
Ограничения
Сервер запускают из исходников: нужны Python 3.13 или новее и uv, учетные данные базы записывают в `.env`. Лицензия BUSL-1.1 ограничивает коммерческое использование, условия читают в файле LICENSE. По умолчанию сервер слушает `http://localhost:9000` по HTTP, для Claude Desktop нужен прокси `mcp-remote`. Поиск по схеме использует локальные векторные представления ChromaDB, первая загрузка модели занимает время. Всего 26 инструментов, включая выполнение SQL.
Как отключить. Удалите сервер из клиента (`claude mcp remove orionbelt-analytics`), остановите процесс `server.py` и удалите `.env` с учетными данными базы.
Частые вопросы
Как подключить сервер к Claude Code?
Запустите `uv run server.py` и выполните `claude mcp add orionbelt-analytics http://localhost:9000/mcp`.
Какие базы данных поддерживаются?
PostgreSQL, MySQL, Snowflake, ClickHouse, Dremio, BigQuery, DuckDB с MotherDuck и Databricks SQL.
Что проверяет OBQC?
Существование таблиц и колонок, условия соединения по внешним ключам, совместимость типов, группировки и ловушки размножения строк. Проверка не вызывает модель, ошибки блокируют выполнение.
Можно ли загрузить свою онтологию?
Да, инструмент `load_my_ontology` читает файл `.ttl` из папки импорта.
Какая лицензия?
BUSL-1.1: исходники открыты, но коммерческое использование ограничено условиями файла LICENSE.
Обсуждение
Вопросов и отзывов пока нет.
Похожие
MCP-серверыCLI obsl проверяет YAML-модель метрик и собирает из нее SQL под восемь диалектов, чтобы агент не писал соединения фактов вручную.
Семантический слой NVIDIA Auto Ontology как MCP-сервер: запросы к базам проходят проверку, а факты ложатся в личную базу знаний.
MCP-сервер text-to-SQL: агент спрашивает базу словами, получает SQL и трассу ответа, а при нехватке данных отказ с причиной.
Text2SQL-сервер FalkorDB: агент задает вопрос к базе обычным языком, а граф схемы помогает собрать верный SQL
MCP-сервер к графу знаний над таблицами Unity Catalog: агент выбирает домен, читает онтологию, ищет сущности и шлет GraphQL.
Агент запрашивает метрики, логи и трассы из GreptimeDB на SQL, TQL и RANGE, с запретом записи и маскировкой чувствительных данных
Сравнение с похожими
Карточки с тем же главным запросом: чем они отличаются.
| Инструмент | Официальный | Авторизация | Звезды репозитория | Главное отличие |
|---|---|---|---|---|
| OrionBelt Analytics (эта карточка) | да | не нужна | 58 | |
| OrionBelt Semantic Layer | нет | 104 | Семантический слой из YAML-моделей, а здесь онтология, выведенная из схемы базы, и проверка SQL. | |
| DBHub | нет | не нужна | 3 839 | Универсальный доступ к базам, а OrionBelt добавляет онтологию и проверку запросов. |
Коротко о README
Описание архитектуры, раздел о проверке OBQC, быстрый запуск из исходников, подключение к Claude Desktop, Claude Code и LibreChat, таблица из 26 инструментов по группам и список связанных проектов OrionBelt.